+ All Categories
Home > Documents > CENTRO UNIVERSITARIO UAEM ZUMPANGO …Sin embargo, en el caso de usar valores de n < 30, o sea en el...

CENTRO UNIVERSITARIO UAEM ZUMPANGO …Sin embargo, en el caso de usar valores de n < 30, o sea en el...

Date post: 15-Apr-2020
Category:
Upload: others
View: 4 times
Download: 0 times
Share this document with a friend
41
CENTRO UNIVERSITARIO UAEM ZUMPANGO FECHA: AGOSTO DE 2017 INGENIERO EN COMPUTACIÓN “MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO” ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO
Transcript

CENTRO UNIVERSITARIO UAEM ZUMPANGO

FECHA: AGOSTO DE 2017

INGENIERO EN COMPUTACIÓN

“MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO”

ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO

UNIDAD DE APRENDIZAJE

“PROBABILIDAD Y ESTADÍSTICA”

UNIDAD DE COMPETENCIA VII:

“Muestras aleatorias y distribuciones de

muestreo”

1. Medidas estadísticas y distribuciones de muestreo.

2. Estadísticos y sus distribuciones de probabilidad.

3. Teorema del límite central.

4. Distribuciones t, F, ji cuadrada.

OBJETIVOS

Comprender las medidas estadísticas y distribucionesde muestreo.

Aplicar los estadísticos y sus distribuciones deprobabilidad.

Aplicar el teorema del límite central.

Aplicar las distribuciones t, F, ji cuadrdada.

MUESTRA: Es una porción, parte o un subconjunto de

miembros seleccionados de una población. El número de

individuos que integran la muestra, llamado tamaño de la

muestra se representa con la letra n.

CONCEPTO DE MUESTRA

CONCEPTO DE MUESTRAS

MUESTRA ALEATORIA: Se considera aleatoria siempre y

cuando cada observación, medición o individuo de la

población tenga la misma probabilidad de ser

seleccionado.

CONCEPTO DE MUESTRAS

MUESTRA NO PROBABILÍSTICA: Consiste en seleccionar

una muestra de la población por el hecho de que sea

accesible. Es decir, los individuos empleados en la

investigación se seleccionan porque están fácilmente

disponibles.

MUESTREO: Es la técnica para la selección de unamuestra a partir de una población estadística. Es unaherramienta de la investigación científica, cuya funciónbásica es determinar que parte de una población debeexaminarse.

CONCEPTO DE MUESTREO

TIPOS DE MUESTREO

Todos sus elementos tienen una misma probabilidad de

ser elegidos; los elementos muestrales tendrán valores

muy parecidos a los de la población, los tipos son:

•Muestreo aleatorio simple

•Muestreo aleatorio sistemático

• Muestreo aleatorio por conglomerados

• Muestreo aleatorio estratificado

TIPOS DE MUESTREO ALEATORIO

MUESTREO ALEATORIO SIMPLE: Se asigna un númeroa cada individuo de la población y mediante de algúnmedio mecánico (números aleatorios en una bolsa,en la tabla, en una calculadora o computadora) seeligen los sujetos necesarios.

MUESTREO ALEATORIO SIMPLE

No aplica en poblaciones grandes

MUESTREO ALEATORIO SISTEMÁTICO: Se numeran todos

los elementos de la población, pero en lugar de extraer n

números aleatorios sólo se extrae uno (i). Se toman los

individuos de k en k, siendo k el resultado de dividir el

tamaño de la población entre el tamaño de la muestra:

k=N/n. Se seleccionan los elementos que ocupan los

lugares i, i+k, i+2k, i+3k, …, i+(n-1)k.

MUESTREO ALEATORIO SISTEMÁTICO

Ejemplo:N=60 n=12

MUESTREO ALEATORIO ESTRATIFICADO. Consiste enconsiderar categorías típicas diferentes entre sí (estratos)que poseen gran homogeneidad respecto a algunacaracterística. la muestra se escoge aleatoriamente ennúmero proporcional al de los componentes de cada claseo estrato.

MUESTREO ALEATORIO ESTRATIFICADO

MUESTREO ALEATORIO POR CONGLOMERADOS: Se

forman grupos de elementos de la población que forman

una unidad que son heterogéneos en su interior, a la que

llamamos conglomerado. Consiste en seleccionar

aleatoriamente un cierto número de conglomerados y

posteriormente investigar todos sus elementos. También

suele llamarse muestreo por áreas

MUESTREO POR CONGLOMERADOS

MUESTREO NO PROBABILÍSTICO: También conocido

como determinístico, el cálculo del tamaño y selección de

la muestra se basan en juicios y criterios subjetivos, por lo

tanto se desconoce la probabilidad de selección de las

unidades de la población bajo estudio

MUESTREO NO PROBABILISTICO

VARIABILIDAD DEL MUESTREO: Cuando de una misma

población con parámetros poblacionales (µ, σ) se toman𝑁𝑛

muestras diferentes, es de esperar que los estadísticos

muestrales para cada muestra sean diferentes entre si y

diferentes de los parámetros poblacionales.

DISTRIBUCIÓN DE MUESTREO. Es una distribución de

probabilidad que nos expresa la variación de un estadístico

muestral debido a la variación de las posibles muestras que

pueden obtenerse de una población.

DISTRIBUCIÓN DE MUESTREO

DISTRIBUCION MUESTRAL: Es el conjunto deestadísticos que pueden obtenerse de las diferentesmuestras de igual tamaño que conforman una poblacióndeterminada. La distribución de frecuencia de unestadístico muestral se denomina distribución muestral.

DISTRIBUCION MUESTRAL DE MEDIAS: Es unadistribución de probabilidades de todas las mediasposibles de las muestras de igual tamaño que se puedenextraer de poblaciones dadas.

DISTRIBUCIÓN MUESTRAL

Sea 𝑥 la media de una muestra aleatoria de nobservaciones extraídas de una población con media µx

y varianza 𝜎𝑥2. Entonces,

1. La distribución muestral de 𝑥 tiene media µx es decir,E( 𝑥) = µx

2. La distribución muestral de 𝑥 tiene desviación

estándar 𝜎 𝑥 =𝜎𝑥

𝑛que es el error estándar de la media

3. Si el tamaño muestral n no es una fracción pequeñade tamaño poblacional N, entonces el error estándar de 𝑥 es

𝜎 𝑥 =𝜎𝑥

𝑛

𝑁−𝑛

𝑁−1

DISTRIBUCIÓN MUESTRAL: ESTADÍSTICOS

1. Determinar el número de muestras.

2. Hacer la lista de todas las muestras.

3. Calcular la media para cada muestra.

4. Agrupación de medias y cálculo de la media de medias.

5. Cálculo de la media poblacional.

6. Confirmar que la media de medias es igual a la

poblacional.

7. Calcular del error estándar.

8. Confirmar que el error estándar de las medias es igual

al error estándar poblacional.

DISTRIBUCIÓN MUESTRAL: Pasos

EJEMPLO1. Se tiene la siguiente población: N= {2, 4, 6, 8}Determine la distribución muestral considerando muestras de 2elementos (n = 2)

1. Número de muestras. Se tienen que seleccionar dos

elementos de cuatro. 𝐶𝑁𝑛 =

𝑁𝑛

=𝑁!

𝑛! 𝑁−𝑛 !=

4!

2! 4−2 != 6

2. Hacer la lista de todas las muestras.

{(2, 4), (2, 6), (2, 8), (4, 6), (4, 8), (6, 8)}

3. Calcular la media para cada muestra.

{3, 4, 5, 5, 6, 7}

4. cálculo de la media de medias. 𝑥 𝑥 =3+4+5+5+6+7

6=

30

6= 5

5. Cálculo de la media poblacional. 𝜇 = 𝑥𝑖

𝑁=

2+4+6+8

4=

20

4= 5

6. La media de medias es igual a la poblacional.

NÚMERO DE MUESTRAS (SIN REEMPLAZO)

NÚMERO DE MUESTRAS (SIN REEMPLAZO)

7. Calculo del error estándar de la medias muestrales

𝜎 𝑥 = 𝑓 𝑥−𝜇 𝑥

2

𝑓=

10

6= 1.29

𝑥 f fx ( 𝑥 -µ)2 f( 𝑥 -µ)2 Prob.

3 1 3 4 4 1/6

4 1 4 1 1 1/6

5 2 10 0 0 2/6

6 1 6 1 1 1/6

7 1 7 4 4 1/6

∑ 6 30 10 6/6

xi (xi - µ)2 f( 𝑥 - µ)2

2 9 9

4 1 1

6 1 1

8 9 9

∑ 20

8. Confirmar que el error estándar de las medias es igual al

error estándar poblacional.

𝜎 = 𝑥 − 𝜇 2

𝑁

20

4= 5

𝜎 𝑥 =𝜎𝑥

𝑛

𝑁−𝑛

𝑁−1=

5

2

4−2

4−1= 1.29

NÚMERO DE MUESTRAS (SIN REEMPLAZO)

EJEMPLO2. Se tiene la siguiente población: N= {2, 4, 6, 6, 7, 8} (N = 6)

Determine la distribución muestral considerando muestras de 4 elementos (n =4)

1. Número de muestras. Se tienen que seleccionar dos elementos de cuatro.

𝐶𝑁𝑛 =

𝑁𝑛

=𝑁!

𝑛! 𝑁−𝑛 !=

6!

4! 6−4 != 15

LISTA DE MUESTRAS (SIN REEMPLAZO)2. Hacer la lista de todas las muestras y 3. Calcular la media para cada muestra. Muestra Media Muestra media

2, 4, 6, 6 4.50 2, 6, 7, 8 5.75

2, 4, 6, 7 4.75 2, 6, 7, 8 5.75

2, 4, 6, 8 5.00 4, 6, 6, 7 5.75

2, 4, 6, 7 4.75 4, 6, 6, 8 6.00

2, 4, 6, 8 5.00 4, 6, 7, 8 6.25

2, 4, 7, 8 5.25 4, 6, 7, 8 6.25

2, 6, 6, 7 5.25 6, 6, 7, 8 6.75

2, 6, 6, 8 5.50 Media = 5.5

4. cálculo de la media de medias.

𝑥 𝑥 =4.5 + 4.75 + 5 + 4.75 + 5 + 5.25 + 5.25 + 5.5 + 5.75 + 5.75 + 5.75 + 6 + 6.25 + 6.25 + 6.75

15= 5.5

5. Cálculo de la media poblacional.

𝜇 = 𝑥𝑖

𝑁=

2+4+6+6+7+8

6=

33

6= 5.5

LISTA DE MUESTRAS (SIN REEMPLAZO)

6. La media de medias es igual a la poblacional.

7. Calculo del error estándar 𝑥 f f 𝑥 ( 𝑥 -µ)2 f( 𝑥 -µ)2 Prob.

4.50 1 4.5 1 1 1/15

4.75 2 9.5 .5625 1.125 2/15

5.00 2 10.0 .25 .50 2/15

5.25 2 10.5 .0625 .125 2/15

5.50 1 5.5 0 0 1/15

5.75 3 17.25 .0625 .1875 3/15

6.00 1 6.00 .25 .25 1/15

6.25 2 12.5 .5625 1.125 2/15

6.75 1 6.75 1.5625 1.5625 1/15

∑ 15 82.5 4.875 15/15

𝜎 𝑥 = 𝑓 𝑥 − 𝜇 𝑥

2

𝑓=

4.875

15= .5

LISTA DE MUESTRAS (SIN REEMPLAZO)

8. Confirmar que el error estándar de las medias es igual al error estándar poblacional.

𝜎 𝑥 = 𝑥−𝜇 2

𝑁=

23.5

6= 3.9167 =1.979

𝜎 𝑥 =𝜎

𝑛

𝑁 − 𝑛

𝑁 − 1=

3.9167

4

6 − 4

6 − 1

= 0.5

xi (xi - µ)2 f( 𝑥 - µ)2

2 12.25 12.25

4 2.25 2.25

6 .25 .25

6 .25 .25

7 2.25 2.25

8 6.25 6.25

∑ 23.5

TEOREMA DEL LÍMITE CENTRAL

El teorema del límite central afirma que, para grandesmuestras aleatorias, la distribución muestral de las mediasde las muestras está más próxima a una distribución deprobabilidad normal.

Si la población tiene una distribución de probabilidadnormal, entonces, para cualquier tamaño de muestra ladistribución del muestreo de la media también tendrá unadistribución normal.

Si la distribución de la población es simétrica (pero nonormal), se verá que surge forma normal como loestablece el teorema del límite central aún con muestrastan pequeñas como de tamaño 10.

TEOREMA DEL LÍMITE CENTRAL

Por otra parte, si se toma una distribución que estésesgada o que tenga extremos muy gruesos, quizárequiera muestras de al menos 30 para observar lacaracterística de normalidad.La mayoría de los estadísticos consideran que unamuestra de 30 es lo bastante grande para poder emplearel teorema del límite central.

TEOREMA DEL LÍMITE CENTRAL: CONCLUSIONES

1. Conforme el tamaño de la muestra aumenta, la

distribución de las medias muestrales 𝑥 se aproximará la

una distribución normal.

2. La media de todas las medias muestrales es la media

poblacional µ .

3. La desviación estándar de todas las medias muestrales

es 𝜎/ 𝑛

Desarrollada con base en distribuciones defrecuencia empíricas por William Gosset, (a)“Student”.

Distribución muestral del promedio se ajusta muybien a la distribución Normal cuando se conoce . Sin es grande, esto no presenta ningún problema, esrazonable sustituirla por s cuando es desconocida.

Sin embargo, en el caso de usar valores de n < 30, osea en el caso de pequeñas muestras, esto nofunciona tan bien.Por lo que se utiliza la distribución t de Student

Distribución “t” de Student

Es continua, tiene forma de campana y es simétrica respecto al cerocomo la distribución z.La distribución t está más dispersa y es más plana en el centro que ladistribución z, pero se acerca a ella cuando el tamaño de la muestracrece.

Distribución “t” de Student

Distribución “t” de Student

Localizamos lacolumna del valor de y fila del valor de .La intersección de lafila y la columna nosdará el valor de t.

Calcular el valor de t después del cual se encuentre el 5% del área dela curva con 9 gl

1. En la distribución t con 16 grados de libertad,encuentre el área, o la probabilidad, de cada una de lasregiones siguientes:

a. A la derecha de 2.120

b. A la izquierda de 1.337

c. A la izquierda de -1.746

d. A la derecha de 2.583

e. Entre -2.120 y 2.120

f. Entre -1.746 y 1.746

Distribución “t” de Student

2. Encuentre los valores de t para las situacionessiguientes.

a. Un área de 0.025 en la cola superior, con 12 gradosde libertad

b. Un área de 0.05 en la cola inferior, con 50 grados delibertad

c. Un área de 0.01 en la cola superior, con 30 grados delibertad

d. Entre los que queda 90% del área, con 25 grados delibertad

e. Entre los que queda 95% del área, con 45 grados delibertad

Distribución “t” de Student

•Asimétrica y asintótica al eje x por la derecha; Su

dominio va de 0 a + y el area bajo la curva desde 0 a

+ =1

•Tiene parámetro = n-1 (g.l.)

•Al aumentar n se aproxima a la normal

•Representa distribución muestral de varianza.

Entre las aplicaciones:•Determinación intervalos confianza para varianzas

•Pruebas de hipótesis para una varianza

•Tablas de contingencia

•El ajuste de datos a una distribución dada conocida

•Las pruebas de independencia.

Distribución “Chi-cuadrada”

Valores 2 para varios , Área a su derecha = .1ª columna = 1ª fila: áreas en la cola a la derecha de 2

Cuerpo tabla son los valores de 2

Calcular el valor de 2 después del cual se encuentre el5% del área en una distribución Ji-cuadrado con 4 g.l.

Distribución “Chi-cuadrada”

Tabla de la Distribución chi-cuadrada

•Cada miembro de la familia está determinado por dosparámetros: los grados de libertad (gl) en el numerador ylos grados de libertad en el denominador.•El valor de F no puede ser negativo y es una distribucióncontinua.•La distribución F tiene sesgo positivo.•Sus valores varían de 0 a . ConformeF la curva se aproxima al eje X.

Características de la distribución F

Tablas independientes de valores de F para =0.01 y

=0.05 para varias combinaciones de 1 y 2.

Se escoge la tabla para la probabilidad deseada y se

escoge 1 en la fila superior y 2 en la 1ª columna. La

intersección nos da el valor de F deseado.

Determine la probabilidad de tener un valor de F mayor

que 9.28 en una distribución F con 1=3 y 2=3 g.l.

Halle la el valor crítico de F(0.05) para 1=3 y 2=15 g.l.

Distribución F

Tablas de la Distribución F

Tablas de la Distribución F

BIBLIOGRAFIA

• Canavos, C. G:, Probabilidad y estadística, aplicaciones y métodos, Mc Graw Hill, México, 1986.

• DeVore, J. L., Probabilidad y Estadística para ingeniería y ciencias, Sexta ed. Thomson, México, 2005.

• Navidi, W. Estadística para ingenieros y científicos, McGraw-Hill, México, 2006.

• Walpole, R. R. H. Myers y S. Myers, Probabilidad y estadística para ingeniería y ciencia, Octava ed. Prentice Hall Pearson, México, 2007-.

• Weimer, R. C., Estadística, CECSA, México, 1996.

FIN DE LA PRESENTACION


Recommended